Exploring histologic risk factors for relapse in ulcerative colitis using artificial intelligence

慢性疾患である潰瘍性大腸炎において将来の再燃リスクを防ぎ寛解を維持することは必須である。組織学的所見の改善が良好な長期予後と相関すると報告されてきたが、その予測能が十分ではないために実際の臨床には反映されていない。本研究では山本らの人工知能を用いた病理組織からの前立腺がんの再発予測の手法を応用し、人工知能(artificial intelligence, AI)に潰瘍性大腸炎の内視鏡生検サンプルの病理組織画像と予後に関する情報（1年以内の再燃の有無）を学習させることによって、“再燃しやすい組織像”をAIに認識させ、再燃を予測することを試みる。さらには臨床（内視鏡や病理診断）情報を加えることによってAIの再燃予測の精度をさらに向上できるかどうかも検討する。最終的にはAIの臨床応用だけでなく、AIの見出した病理組織画像の特徴を言語化し、直接AIを使用せずに一般臨床に応用する試みと併せて、患者予後の改善を目指す。本研究の根幹はUCの治療の個別化を実現していくことである。AIにより寛解期の粘膜の病理画像から再燃を予測可能かの検討を予定しているが、再燃予測と両輪で重要と考えられる治療の有効性について、治療導入時の粘膜の病理画像から予測可能か検討することをまず開始している。現時点では当院で治療したステロイド有効例、抵抗例の計約50症例を抽出し理化学研究所にてAI学習、テストを行いAUC 0.78の精度で予測できるという中間結果を得ている。

慢性疾患である潰瘍性大腸炎において将来の再燃リスクを防ぎ寛解を維持することは必須である。組織学的所見の改善が良好な長期予後と相関すると報告されてきたが、その予測能が十分ではないために実際の臨床には反映されていない。本研究では山本らの人工知能を用いた病理組織からの前立腺がんの再発予測の手法を応用し、人工知能(artificial intelligence, AI)に潰瘍性大腸炎の内視鏡生検サンプルの病理組織画像と予後に関する情報（1年以内の再燃の有無）を学習させることによって、“再燃しやすい組織像”をAIに認識させ、再燃を予測することを試みる。さらには臨床（内視鏡や病理診断）情報を加えることによってAIの再燃予測の精度をさらに向上できるかどうかも検討する。最終的にはAIの臨床応用だけでなく、AIの見出した病理組織画像の特徴を言語化し、直接AIを使用せずに一般臨床に応用する試みと併せて、患者予後の改善を目指す。本研究の根幹はUCの治療の個別化を実現していくことである。AIにより寛解期の粘膜の病理画像から再燃を予測可能かの検討を予定しているが、再燃予測と両輪で重要と考えられる治療の有効性について、治療導入時の粘膜の病理画像から予測可能か検討することをまず開始している。現時点では当院で治療したステロイド有効例、抵抗例の計約50症例を抽出し理化学研究所にてAI学習、テストを行いAUC 0.78の精度で予測できるという中間結果を得ている。